DISKRIMINAN ANALISIS DUA KELOMPOK -...
-
Upload
truongnguyet -
Category
Documents
-
view
219 -
download
0
Transcript of DISKRIMINAN ANALISIS DUA KELOMPOK -...
DISKRIMINAN ANALISISDUA KELOMPOK[Diskriminan Analsis Menggunakan SPSS]
Disajikan Oleh: Marwia Thamrin (1502949), Reni Astuti(1503034), Nelly Fitriani (1502267), dan Jero Budi Darmayasa(1502664).
Mahasiswa Program Doktor, Jurusab PendidikanMatematika, SPs Universitas Pendidikan Indonesia14-Apr-16
Page 2 of 18
ANALISIS DIKRIMINAN DUA KELOMPOK
Terdapat tiga tujuan dalam analisis Diskriminan, diantaranya:
1. Mengidentifikasikan variable-variable yang secara terbaik dapat membedakan
kedua kelompok itu.
2. Menggunakan variable-variable (faktor-faktor) yang teridentifikasi itu untuk
mengembangkan suatu fungsi atau persamaan untuk menghitung variable baru
atau indeks yang secara hemat dapat merepresentasikan perbedaan-perbedaan
diantara dua kelompok
3. Menggunakan variable-variable yang teridentifikasi atau indeks yang telah
dihitung untuk mengembangkan suatu aturan untuk mengklasifikasikan
observasi-observasi yang akan dilakukan dikemudian hari kedalam satu atau
dua kelompok.
Untuk itu, diberikan sebuah contoh sebagai berikut:
Diketahui dua kelompok perusahaan masing-masing terdiri dari 12 perusahaan dimana
dikelompokkan menjadi perusahaan yang sangat dikagumi (Most-Admired) dan kurang
dikagumi (Least-Admired). Dua factor rasio finansial yang berkaitan dengan perusahaan
diambil yaitu Earning Before Interest and Taxes to total ASSets (EBITASS) dan Return OnTotal Capital (ROTC). Berikut ini data dari kedua kelompok perusahaan:
Group 1 : Most-Admired Group 2: Least-AdmiredFirm
NumberEBITASS ROTC Z Firm
NumberEBITASS ROTC Z
123456789
101112
0.1580.2100.2070.2800.1970.2270.1480.2540.0790.1490.2000.187
0.1820.2060.1880.2360.1930.1730.1960.2120.1470.1280.1500.191
0.2400.2940.2790.3650.2760.2830.2430.3290.1600.1960.2470.267
131415161718192021222324
-0.0120.0360.038-0.063-0.0540.0000.0050.091-0.0360.045-0.0260.016
-0.0310.0530.036-0.074-0.119-0.0050.0390.122-0.0720.064-0.0240.026
-0.0300.0630.052-0.097-0.122-0.0040.0310.151-0.0760.077-0.0350.030
Page 3 of 18
Selain menggunakan gambaran secara geometrid an pendekatan analitik, analisisdiskriminan dapat dibantu dengan menggunakan program SPSS.8.3 Diskriminan Analisis Menggunakan SPSS.Analisis diskriminan menggunakan SPSS secara umum dibagi menjadi dua tahapan, yaitutahap analisis data dan interpretasi:a. Tahap Analisis DataBerikut ini adalah langkah-langkah yang ditempuh dalam analisis data:1. Input data ke lembar kerja SPSS
2. Proses Analisis Pilih menu analyzeclassifyDeterminant
Page 4 of 18
Input varibabel EXCELL ke Grouping Variable kemudian variable EBITASSdanROTC ke Independent. Pastikan optionbutton “Enter Independents Together”terpilih
Klik Define Range untuk mendefinisikan kelompok. Ketik “1” pada Minimum dan
“2” pada Maximum (sesuai kode yang diketik pada variable EXCELL),
kemudian klik continue.
Pilih menu “Statistics”, kemudian berikan tanda centang () untuk semuapilihan, lalu continue.
Pilih menu “classify” kemudian berikan tanda centang () pada beberapa pilihanberikut. Lalu klik continue
Page 5 of 18
Pilih menu “Save”centang pada Predicted group membership dan Discrimant
scorescontinue
Kemudian klik OK
b. Interpretasi OutputDISCRIMINANT
/GROUPS=EXCELL(1 2)/VARIABLES=EBITASS ROTC/ANALYSIS ALL/SAVE=CLASS SCORES/PRIORS EQUAL/STATISTICS=MEAN STDDEV UNIVF BOXM COEFF RAW CORR COV GCOV TCOV TABLE/PLOT=COMBINED SEPARATE MAP/PLOT=CASES
/CLASSIFY=NONMISSING POOLED.
[1] Bagian pertama dari output memuat statistic deskriptif diantaranya rata-rata(mean) dan standar deviasi. Secara lebih rinci bisa dilihat pada tabel berikut:Group Statistics
Page 6 of 18
EXCELL Mean Std. Deviation
Valid N (listwise)
Unweighted Weighted
1 EBITASS .19133 .053241 12 12.000
ROTC .18350 .030219 12 12.0002 EBITASS .00333 .044919 12 12.000
ROTC .00125 .068521 12 12.000Total EBITASS .09733 .107428 24 24.000
ROTC .09238 .106522 24 24.000Dari tabel diatas dapat dilihat bahwa rata-rata EBITASS untuk kelompok
perusahaan yang Most-Admired jauh lebih tinggi dibandingkan perusahaan yang
termasuk kelompok Least-Admired. Begitu juga dengan rata-rata ROTC.[2] Bagian kedua adalah hasil uji Univariat Wilks’ Lamda ( ). Wilks’ dihitung untukmasing-masing variable. Perhatikan tabel output berikut:Tests of Equality of Group Means
Wilks' Lambda F df1 df2 Sig.
EBITASS .201 87.408 1 22 .000
ROTC .236 71.070 1 22 .000
Output di atas digunakan untuk mengambil keputusan berkatian dengan
hipotesis univariat berikut:
Ho : 21 (Tidak terdapat perbedaan yang signifikan rata-rata EBITASS
kelompok 1 dengan kelompok 2)
Ha : 21 (Terdapat perbedaan yang signifikan rata-rata EBITASS
kelompok 1 dengan kelompok 2)
dan
Ho : 21 (Tidak terdapat perbedaan yang signifikan rata-rata ROTC
kelompok 1 dengan kelompok 2)
Ha : 21 (Terdapat perbedaan yang signifikan rata-rata ROTC
kelompok 1 dengan kelompok 2)
Dengan memperhatikan nilai Fhitung (EBITASS)= 71,070 > 4,30 (Ftabel) atau nilai p-
value (sig) = 0.000 < 0.05 (Alpha), maka dapat disimpulkan bahwa H0 ditolak,
dengan kata lain “Terdapat perbedaaan yang signifikan rata-rata EBITASS
Page 7 of 18
antara perusahaan yang sangat dikagumi dengan perusahaan yang kurang
dikagumi pada taraf signifikansi 5%. Begitu juga dengan nilai Fhitung (ROTC)=
87,408 > 4,30 (Ftabel) atau nilai p-value (sig) = 0.000 < 0.05 (Alpha), maka dapat
disimpulkan bahwa H0 ditolak, denga kata lain “Terdapat perbedaaan yang
signifikan rata-rata ROTC antara perusahaan yang sangat dikagumi dengan
perusahaan yang kurang dikagumi pada taraf signifikansi 5%.[3] Bagian ketiga memuat matrik covarian within group dan matrik korelasi.Pooled Within-Groups Matricesa
EBITASS ROTC
Covariance EBITASS .002 .002
ROTC .002 .003
Correlation EBITASS 1.000 .780
ROTC .780 1.000a. The covariance matrix has 22 degrees offreedom.
Dari tabel di atas dapat dilihat bahwa varian EBITASS ( Sw ) sebesar 0.002 yang
dibulatkan dari 0.002426152, varian ROTC sebesar 0.002 dibulatkan dari 0.002804148,
dank ovarian sebesar 0.02 dibulatkan dari 0.002033682.
Sedangkan korelasi antara EBITASS dengan EBITASS sebesar 1.000 dan korelasi
antara EBITASS dengan ROTC atau sebaliknya sebesar 0.780 dibulatkan dari
0.77969294.[4] Bagian keempat memuat matrik covarian.Covariance Matricesa
EXCELL EBITASS ROTC
1 EBITASS .003 .001
ROTC .001 .001
2 EBITASS .002 .003
ROTC .003 .005
Total EBITASS .012 .011
ROTC .011 .011a. The total covariance matrix has 23 degrees of freedom.
Page 8 of 18
Dari tabel diatas dapat dilihat bahwa varian total ( tS ) untuk variable EBITASS sebesar
0.012 yang dibulatkan dari 0.011541, varian total ( tS ) untuk variable ROTC sebesar
0.011 dibulatkan dari 0.011347.
Perhatikan kembali kolom kedua dan ketiga pada output [2]. Nilai pada kolomkedua dari [2] menentukan nilai F pada kolom ketiga dari output [2]. dihitung
dengan menggunakan rumus:
t
w
SS
SS …….(8.4)
wSS diperoleh dengan terlebih dahulu menentukan matrik wSSCP berikut ini:
0617.00447.0
0447.00534.0wSSCP
Nilai pada baris 1 kolom 1 matrik wSSCP sebesar 0.0534 merupakan wSS
EBITASS. Cara menentukannya yaitu dengan mengalikan Sw dengan derajat
bebasnya (lihat kembali [3]), yaitu 0.0534 = 0.002426152 x 22. Cara yang analog untuk
menentukan nilai wSS ROTC sebesar 0.0617.
Selanjutnya, tSS diperoleh dengan terlebih dahulu menentukan matrik tSSCP
berikut ini:
261.0250.0
250.0265.0wSSCP
Nilai pada baris 1 kolom 1 matrik tSSCP sebesar 0.265 merupakan tSS EBITASS.
Cara menentukannya yaitu dengan mengalikan tS dengan derajat bebasnya (lihat
kembali [4]), yaitu 0.265 = 0.011541 x 23. Cara yang analog untuk menentukan nilai
wSS ROTC sebesar 0.261.
Page 9 of 18
Setelah diperoleh nilai masing-masing dari wSS dan tSS , maka nilai Wilks’ untuk EBITASS dan ROTC dapat ditentukan sebagai berikut:1) Wilks’ EBITASS
201.0265.0
0534.0
t
w
SS
SS
Sesuai dengan output [2] baris kedua kolom kedua
2) Wilks’ ROTC236.0
261.00617.0
t
w
SS
SS
Sesuai dengan output [2] baris ketiga kolom kedua.
Nilai Wilks’ yang diperoleh selanjutnya digunakan untuk menentukan nilaihitungF dengan bmenggunakan rumus berikut:
p
pnnF
11 21 ……..(8.5)
Dimana,
F = hitungF (nilai yang akan dihitung) = nilai Wilks’
1n = banyaknya pengamatan kelompok 12n = banyaknya pengamatan kelompok 2
p = banyaknya variabel
Jadi, nilai hitungF untuk variable EBITASS dan ROTC masing-masing sebagai
berikut:
1) hitungF EBITASS
408.87
22973.3
1111212
201.0201.01
11 21
p
pnnF
Sesuai dengan output [2] baris kedua kolom ketiga
Page 10 of 18
2) hitungF ROTC
070.71
22230.3
1111212
231.0231.01
11 21
p
pnnF
Sesuai dengan output [2] baris ketiga kolom ketiga
[5] Bagian kelima memuat nilai Eigen dan Korelasi Kanonik.Eigenvalues
Function Eigenvalue % of Variance Cumulative % Canonical Correlation
1 4.124a 100.0 100.0 .897
a. First 1 canonical discriminant functions were used in the analysis.
Korelasi kanonik ( CR ) sebesar 0.897. Kuadrat dari korelasi kanonik ( )2CR digunakan
untuk mengukur signifikansi praktis dari Fungsi Diskriminan atau kekuatan dari Fungsi
Diskriminan. Perhatikan bahwa 2CR = 804.0987.0 2 menunjukkan bahwa sebesar %80
perbedaan diantara kedua grup ditentukan oleh variabel-variabel diskriminan
(discriminating variables).Selanjutnya, peneliti dapat membandingkan nilai 2CR dengan
criteria korelasi untuk mengetahui apakah hubungan antar variabel kuat, sedang, atau
lemah.
[6] Bagian keenam memuat nilai Wilks’ Lamda, Chi-Square, dan p-value (sig).Wilks' Lambda
Test of Function(s) Wilks' Lambda Chi-square df Sig.
1 .195 34.312 2 .000Pada bagian sebelumnya telah disampaikan bahwa perbedaan rata-rata antara duakelompok untuk setiap variabel pembeda (Discriminator Variable) diuji denganmenggunakan statistik Univariat. Dalam kasus variabel pembeda lebih dari satu,sangat memungkinkan untuk menguji perbedaan diantara kedua kelompok untuksemua variabel pembeda sekaligus atau secara simultan. Uji statistic yangdigunakan adalah statistic Multivariat dengan hipotesis sebagai berikut:
Page 11 of 18
Ho :
)(2
)(2
)(1
)(1
ROTC
EBITASS
ROTC
EBITASS
(Tidak terdapat perbedaan yang signifikan
rata-rata EBITASS dan ROTC secarasimultan antara kelompok 1 dengankelompok 2)
Ha :
)(2
)(2
)(1
)(1
ROTC
EBITASS
ROTC
EBITASS
(Terdapat perbedaan yang signifikan rata-
rata EBITASS dan ROTC secara simultanantara kelompok 1 dengan kelompok 2)
Untuk melakukan uji statistic Multivariat, terlebih dahulu harus ditentukan nilai Wilks dengan menggunakan rumus berikut:
t
w
SSCP
SSCP
Dimana, 00129.00447.00447.00617.00534.0
0617.00447.0
0447.00534.0wSSCP
00662.0250.0250.0261.0265.0261.0250.0
250.0265.0tSSCP
Sehingga,195.0
00662.0
00129.0
t
w
SSCP
SSCP
Sesuai dengan output [6] baris kedua kolom kedua.Nilai Willks’ yang diperoleh selanjutnya digunakan untuk menentukan nilai 2hitungdengan menggunakan rumus:
ln2
)(12 Gp
n ……..(8.6)Dengan,2 = nilai Chi-square yang akan dihitung
n = banyaknya pengamatanp = banyaknya variabel pembedaG = banyaknya kelompok = Nilai Wilks’
Page 12 of 18
Sehingga diperoleh hasil perhitungan sebagai berikut:
312.34
)634.1(21
195.0ln2
)22(124
ln2
)(12
Gp
n
Sesuai dengan output [6] baris kedua kolom ketiga.Nilai 312.342 hitung di atas selanjutnya dibandingkan dengan 99146.52)05,0;2( tabel .Karena 2
)05,0;2(2 99146.5312.34 tabelhitung maka H0 ditolak atau “Terdapat
perbedaan yang signifikan rata-rata EBITASS dan ROTC secara simultan antara
kelompok 1 dengan kelompok 2”.
Jika uji statistic akan dilanjutkan dengan uji F , maka nilai Wilks’ dapat
disubtitusi kembali ke rumus (8.5) sehingga diperoleh nilai hitungF sebagai
berikut:
312.43
5.10124.4
2
121212
195.0
195.01
11 21
p
pnnF
Yang secara statistic signifikan pada tarap signifikansi level 5%.
[7] Bagian ketujuh memuat koefisien dari fungsi diskriminan kanonik yang sudahdistandarisasi.Standardized CanonicalDiscriminant Function
Coefficients
Function
1
EBITASS .743ROTC .305
Page 13 of 18
Dari tabel diatas terlihat bahwa besarnya koefisien variabel pembeda EBITASSsebesar 0.743 dan koefisen variabel pembeda ROTC sebesar 0.305. KoefisienEBITASS data standar diperoleh dengan cara mengalikan koefisien EBITASS untukfungsi deskriminan yang diperoleh dari analisis data mentah (tidak standar)dengan akar dari wS . Koefisien EBITASS data mentah dilihat pada output [9] danwS dilihat pada output [3]. Sehingga dapat ditunjukkan bahwa
0024261.00909.15743.0 . Secara analog dapat ditunjukan bahwa002804.0769.5305.0 Besarnya koefisen dari masing-masing variabel pembeda menunjukkan pentingnyavariabel pembeda tersebut dalam membentuk fungsi diskriminan. Karena koefisienROTC lebih kecil dari koefisien ROTC, maka dapat dikatakan bahwa variabelpembeda ROTC kurang penting dibandingkan dengan variabel pembeda EBITASS.Disisi lain, seperti pada analisis komponen utama dan factor analisis maka loadingatau struktur koefisien memberikan label dan juga menginterpretasi kontribusidari setiap variabel untuk membentuk fungsi diskriminan. Loading yang diberikanoleh variabel pembeda adalah bentuk sederhana dari koefisien korelasi antaradiskriminan skor dan variabel pembeda yang nilainya antara +1 dan -1. Adapunn
loading dari masing-msing variabel pembeda ditunjukkan pada output [8] berikut.[8] Bagian kedelapan memuat Struktur Matrik
Structure Matrix
Function
1
EBITASS .982ROTC .885Pooled within-groups correlationsbetween discriminating variablesand standardized canonicaldiscriminant functionsVariables ordered by absolute sizeof correlation within function.
Seperti yang telah disampaikan sebelumnya, output [8] menunjukan loading masing-
masing variabel pembeda. Jadi loading EBITASS sebesar 0.982 dan loading untuk
ROTC sebesar 0.885. Untuk menentukan nilai loading diperlukan koefisien korelasi
yang termuat dalam output [3] dan koefisien fungsi diskriminan kanonik standar yang
Page 14 of 18
termuat dalam ouput [7]. Adapun rumus yang digunakan untuk menghitung loading,
yaitu:
p
jjiji brl
1
*
dimana
il = loading variabel ke- i
ijr = koefisien korelasi pooled antara variabel ke- i dengan variabel ke- j
p = banyaknya variabel pembeda*jb = koefisien standar dari variabel j
Sehingga, loading untuk EBITASS dan ROTC dapat dihitung sebagai berikut:
1) Loading untuk EBITASS
982.0
305.0780.0743.0000.11
*
xx
pbrl
jjijEBBITASS
Sesuai dengan output [8] baris ketiga kolom kedua
2) Loading untuk ROTC
885.0
305.0000.1743.0780.01
*
xx
pbrl
jjijROTC
Sesuai dengan output [8] baris keempat kolom kedua
Loading dari setiap variabel pembeda di atas menunjukkan bahwa kedua variabel
memberikan kontribusi yang tinggi terhadap formasi funsgi diskriminan.
[9] Bagian kesembilan memuat Koefisien Fungsi Diskriminan Kanonik (koefisien tidakdistandarkan)Canonical Discriminant Function
Coefficients
Function
1
Page 15 of 18
EBITASS 15.092ROTC 5.769(Constant) -2.002
Unstandardized coefficients
Karena data yang dianalisis adalah data mentah (data yang belum distndarkan), maka
diperoleh estimasi dari funsgi diskriminan yang tidak distandarkan. Fungsi tersebut
memuat konstanta dan koefisien yang dapat dilihat dari outpu [9], yaitu:
ROTCxEBITASSxZ 769.5092.15002.2 ……(8.7)
Fungsi diskriminan juga disebut Fungsi Diskriminan Kanonik karena analisis
diskriminan merupakan kasus khusus dari analisis korelasi kanonik. Bobot estimasi dari
fungsi diksriminan yang diberoleh pendekatan geometris dan pendekatan anlitik
(misalnya menggunakan SPSS) menunjukkan perbedaan. Namun, dalam makna yang
relative, pada intinya adalah sama.
Perlu diketahui bahwa koefisien fungsi sikriminan tidak tunggal (unik), tetapi unik
hanya pada makna relatifnya. Dimana, hanya rasio antara koefisien-koefisiennya yang
sama. Mengingat kembali bahwa koefisien persamaan (8.7) belum distandarkan
(unstandardized), maka dapat dinormalkan (normalized) dengan cara membagi setiap
koefisien dengan 22
21 ww . Sehingga koefisien dari fungsi diskriminan yang telah
dinormalkann menjadi:
934.0
769.50919.15
0919.15221
w
357.0
769.50919.15
769.5222
w
Hasilnya relative sama dengan koefisien yang diperoleh sebagai hasil kombinasi linier
pada saat mencapai nilai maksimum.
Perhatikan kembali persamaan (8.7). Dengan mensubstitusi data EBITASS dan ROTC
kedalam persamaan (8.7), maka akan diperoleh Diskriminan Skor sebagai berikut:
Page 16 of 18
Dengan menghitung bSS dan tSS dari diskriminan skor, maka diperoleh 2CR . bSS
dan tSS dengan mudah dapat ditentukan dengan melakukan analisis of Varian
(ANOVA) dari diskriminan skor di atas. Perhatikan output ANOVA berikut:Tests of Between-Subjects Effects
Dependent Variable:Discriminant Scores from Function 1 for Analysis 1
SourceType III Sum of
Squares df Mean Square F Sig.
Corrected Model 90.727a 1 90.727 90.727 .000Intercept .000 1 .000 .000 1.000Kelompok 90.727 1 90.727 90.727 .000Error 22.000 22 1.000
Total 112.727 24
Corrected Total 112.727 23
a. R Squared = .805 (Adjusted R Squared = .796)
Adapun rumus yang digunakan untuk menghitung 2CR sebagai berikut:
t
b
SS
SSCR 2 …..(8.8)
Page 17 of 18
t
b
SS
SSCR …..(8.9)
Sehingga,
897.0727.90
727.1122 t
b
SS
SSCR
Sesuai dengan output [5] baris kedua kolom kelima.
Berikut ini disajikan output lainnya yang akan didiskusikan pada kesempatatan lain atau
oleh kelompok lain.[10] Bagian kesepuluhFunctions at Group
Centroids
EXCELL
Function
1
1 1.9442 -1.944Unstandardized canonicaldiscriminant functionsevaluated at group means[11] Bagian kesepuluh
Classification Processing Summary
Processed 48Excluded Missing or out-of-range group codes 0
At least one missing discriminatingvariable 24
Used in Output 24
[12] BagianPrior Probabilities for Groups
EXCELL Prior
Cases Used in Analysis
Unweighted Weighted
1 .500 12 12.0002 .500 12 12.000Total 1.000 24 24.000
[13] BagianClassification Function Coefficients
EXCELL
1 2
EBITASS 61.237 2.551
Page 18 of 18
ROTC 21.027 -1.404(Constant) -8.481 -.697Fisher's linear discriminant functions[14] Bagian
Classification Resultsa
EXCELL
PredictedGroup
Membership
Total1 2
Original Count 1 12 0 12
2 1 11 12
% 1 100.0 .0 100.0
2 8.3 91.7 100.0a. 95.8% of original grouped cases correctly classified.
***Selamat Belajar***